当前位置: 首页 > article >正文

手机大厂如何处理安卓分屏退出后最近任务显示一半问题?

背景:

近来在有学员朋友在群里讨论到了一个分屏退出后,在桌面最近任务中的卡片显示异常问题,虽然他的问题和目前市场上的最近任务显示一半情况不一样。但是这里也刚好启发了群里vip学员们对这个最近任务对分屏task只显示一半画面问题进行相关的调研和激烈讨论哈。
分屏退出问题后最近任务现象:
在这里插入图片描述
针对这个最近任务中task如果从分屏退出的,下半屏在最近任务中就空白没有显示任何内容,其实也能理解为啥会显示半屏,主要还是因为分屏时候本身就是只有半屏内容,所以自然截图也只有半屏。但是针对android本身就有这样一个原生问题具体该如何改进呢?
针对这个问题vip群的技术讨论非常激烈:
在这里插入图片描述

下面来分析分析几个手机厂商的是如何处理的。

如何处理最近任务半屏问题

复现步骤:
1、哔哩哔哩应用和可以进入分屏的另一个应用同时进入分屏
2、触摸哔哩哔哩焦点到这个app上,然后返回退出分屏
3、上滑进入桌面多任务既可以看到哔哩哔哩半屏task问题
那么接下来看看大厂们是桌面解决规避该问题的,首先调研到小米手机处理方式如下:
在这里插入图片描述
明显可以看出这里的bibili应用最近任务卡片显示并没有出现下半屏不显示内容情况,但是也可以看出这里哔哩哔哩显示的这个task卡片的画面也是有被裁剪的,并不是真正的全屏,明显看着是拿半屏task画面,裁剪出来的。
具体估计方案如下:

在这里插入图片描述

这个是一种比较好的处理方案哈,当然也有一些手机厂商压根没有处理的,比如如下手机厂:
在这里插入图片描述

扩展是否有其他交互方案:

针对上面裁剪显示可能有的同学认为也不是那么完美,有没有其他好方案呢?
这里也可以从一些大厂手机获取一些思路,比如如下一种处理方案:
在这里插入图片描述
这里是对相册这个应用进行相关的多任务卡片的遮盖处理,同时也可以大概模糊的透看到底部一点内容。

所以这种思路也就是使用一些其他遮盖图层,或者是对task画面进行高斯模糊放大裁剪等画面,替换掉原来的真实task画面。

最完美的方案的相关思考

其实上面都是针对task的截图了半屏后,对图像的一些裁剪,或者是遮盖模糊等处理,本质上都只是一种交互规避方案,不需要修改到wms那块的原生窗口大小显示逻辑。
那么是否可以考虑直接正面解决呢?直接不让截图到半屏,只要进入到最近任务就是让task全屏,截图到全屏呢?
其实这种解决方法理论上也是可以做到的,但是逻辑上是不合理的,因为最近任务只是展示task曾经的一种状态,即task显示的内容肯定是已经展示过给用户了,如果我们是从分屏退出,其实task对于用户来说只展示过分屏的task画面,没有展示过task的全屏画面,但是如果因为我们强制想办法修改相关逻辑,让最近任务显示全屏task的内容,这个反而会让用户觉得很奇怪,为啥我都从来没见过task全屏画面,但是在最近任务里面却显示是task的全屏画面。

所以,综合以上因素还是认为保留task的半屏截图然后做相关处理是最好的一种方案。

参考链接:https://mp.weixin.qq.com/s/Tv85ncfE_9J2xoKyMmMayQ

更多framework实战干货,请关注下面“千里马学框架”


http://www.kler.cn/a/565403.html

相关文章:

  • SpringDataJPA使用deleteAllInBatch方法逻辑删除失效
  • 面试基础---JVM 运行时数据区
  • Redis的Spring配置
  • 提升 Spring Boot 系统性能:高效处理实时数据流的 BufferTrigger 使用详解
  • JavaScript系列(92)--前端监控体系
  • Vue 3 + Vite 项目配置访问地址到服务器某个文件夹的解决方案
  • 全面解析:如何查找电脑的局域网与公网IP地址‌
  • reallocate() 和 allocate() 的区别
  • vue实现根据点击或滑动展示对应高亮
  • Django ORM 的常用字段类型、外键关联的跨表引用技巧,以及 `_` 和 `__` 的使用场景
  • 基于EasyExcel封装的Excel工具类,支持高效导出和读取操作
  • Qt for Android下QMessageBox背景黑色、文字点击闪烁
  • JSX 实现列表渲染
  • react绑定ref调用
  • 转化率(漏斗分析)——mysql计算过程
  • Amazon Neptune深度解析:高性能图形分析和无服务器数据库的场景化实践与技术优
  • XFeat:轻量级的深度学习图像特征匹配
  • 机器学习数学基础:34.二列相关教程
  • Redis 面试
  • 矩阵的 正定(Positive Definite)与负定(Negative Definite):从Fisher信息矩阵看“曲率”的秘密